CNN+RNN
2015-08-25 10:39
218 查看
CNN,RNN(recurrent, 下同)结合到一起可以建立一个更好的model
1. CRNN(先CNN,后RNN)
References: An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition
一般用于基于的图像序列预测(如手写稿图片,每一个单词都在图像里面,对这些单词序列做出预测)。所以先用CNN(convolutional and max-pooling layers, fully-connected layers are removed)提取图像特征,再用RNN对CNN输出的特征进行序列预测。RNN本来就擅长处理序列预测,但是RNN之前需要有a preprocessing step,这里的CNN相对于预处理过程。当然也可以处理篮子序列,CNN处理篮子内部的小序列,RNN处理篮子间的大序列。
2.RCNN(先RNN,后CNN)
References: Recurrent Convolutional Neural Networks for Text Classification
一般用于文本分析。CNN本来就可以用来文本分析,但是CNN某一层中的卷积核固定,每一个词的context比较局限,就先用RNN将一个词周围的所有文本都作为context,期望对这个词有一个更加精确的表达。基本上用CNN的地方可以用如此RCNN优化。
1. CRNN(先CNN,后RNN)
References: An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition
一般用于基于的图像序列预测(如手写稿图片,每一个单词都在图像里面,对这些单词序列做出预测)。所以先用CNN(convolutional and max-pooling layers, fully-connected layers are removed)提取图像特征,再用RNN对CNN输出的特征进行序列预测。RNN本来就擅长处理序列预测,但是RNN之前需要有a preprocessing step,这里的CNN相对于预处理过程。当然也可以处理篮子序列,CNN处理篮子内部的小序列,RNN处理篮子间的大序列。
2.RCNN(先RNN,后CNN)
References: Recurrent Convolutional Neural Networks for Text Classification
一般用于文本分析。CNN本来就可以用来文本分析,但是CNN某一层中的卷积核固定,每一个词的context比较局限,就先用RNN将一个词周围的所有文本都作为context,期望对这个词有一个更加精确的表达。基本上用CNN的地方可以用如此RCNN优化。
相关文章推荐
- Mysql主从服务器原理及配置
- 最长公共子串、最长公共子序列、最长回文子串、模式匹配、最大子序列--字符串问题整理
- 好的博客
- iOS开发系列--地图与定位
- 开发笔记-PHP-CI
- 常规功能和模块自定义系统(cfcmms)—001序言
- 前端图片延迟加载详细讲解
- 如何设置UISwitch的大小
- 微信开发中mysql字符编码问题
- 归并排序Merge Sort LinkedList in Java
- POJ 1580 && HDU 1306 String Matching(水~)
- ViewGroup$LayoutParams cannot be cast to android.widget.RelativeLayout$LayoutParams错误提示
- Tomcat7 域名访问配置二
- 【codevs1026】逃跑的拉尔夫,广搜的胜利
- hdu 2426 Interesting Housing Problem(KM)
- hdu 3622 Bomb Game(2-sat 二分答案)
- MySQL grant 语法的详细解析
- win7与ubuntu双系统学习笔记
- Jboss EAP:native management API学习
- 对C#泛型实例化对像